精品文档---下载后可任意编辑目的：1．理解数据挖掘的基本概念及其过程；2．理解数据挖掘与数据仓库、OLAP 之间的关系3．理解基本的数据挖掘技术与方法的工作原理与过程，掌握数据挖掘相关工具的使用。内容：将创建一个数据挖掘模型以训练销售数据，并使用“Microsoft 决策树”算法在客户群中找出会员卡选择模式。请将要挖掘的维度（事例维度）设置为客户，再将 Member_Card 成员的属性设置为数据挖掘算法识别模式时要使用的信息。然后选择人口统计特征列表，算法将从中确定模式：婚姻状况、年收入、在家子女数和教育程度。下一步需要训练模型，以便能够浏览树视图并从中读取模式。市场部将根据这些模式设计新的会员卡，使其适应申请各类会员卡的客户类型。二、所用仪器、材料（设备名称、型号、规格等）操作系统平台：Windows 7数据库平台：SQL Server 2024 SP2三、实验原理知识发现被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是 KDD 过程中的一个特定步骤，它用专门算法从数据中抽取模式。KDD 过程定义为：KDD 是从数据集中识别出有效出、新颖的、潜在有用的，以及最终可理解的模式的高级处理过程。KDD 过程可以概括为 3 部分：数据准备（data preparation），数据挖掘及结果的解释和评估（interpretation & evaluation）。数据挖掘的对象主要是关系数据库和数据仓库，这是典型的结构化数据。随着技术的进展，数据挖掘对象逐步扩大到半结构化或非结构化数据，这主要是文本数据、图像与视频数据以及 Web 数据等。数据挖掘任务有 6 项：关联分析、时序模式、聚类、分类、偏差检测、预测。数据挖掘方法是由人工智能、机器学习的方法进展而来，结合传统的统计分析方法、模糊数学方法以及科学计算可视化技术，以数据库为讨论对象，形成了数据挖掘方法和技术。数据挖掘方法和技术可以分为 6 大类：1．归纳学习的信息论方法：ID3 等方法（决策树方法）、IBLE 方法（决策规则树方法）2．归纳学习的集合论方法：粗糙集（rough set）方法、关联规则挖掘、覆盖正例排斥反例方法、概念树方法。3．仿生物技术的神经网络方法：前馈式网络、反馈式网络、自组织网络4．仿生物技术的遗传算法：繁殖（选择）、交叉（重组）、变异（突变）5．数据数据的公式发现：物理定律发现系统 BACON、经验公式发现系统 FDD6．可视化技术：提取几何图元、绘制、显示和演放四、实验方法、步骤要求：利用实验室和指导老师提供的实验软件...
